Seaborn 入门¶

Seaborn 是基于 Matplotlib 的高级可视化库。

特点：

默认风格美观，适合做统计图表。
和 Pandas DataFrame 无缝结合。
内置多种数据集（如 tips、iris、flights）。
内置统计功能（回归拟合、分布可视化）。

Seaborn 支持多种不同的数据集格式，大多数函数都能接受由 pandas 或 numpy 库的对象表示的数据，以及 Python 内置类型（如列表和字典）。理解这些不同选项对应的使用模式，将帮助你快速为几乎任何数据集创建有用的可视化图表。

安装方法

pip install seaborn

与Pandas的绘图对比¶

主要是数据分析库，绘图功能是“附带的”，适合快速看数据，而且其绘图师基于 Matplotlib的，样式比较“原始”。

Pandas：只能画基本的折线、直方图、条形图、散点图等。
Seaborn：内置很多高级统计图，比如：
- 箱线图 (boxplot)、小提琴图 (violinplot) → 展示分布和差异
- 热力图 (heatmap) → 展示相关性矩阵
- 回归拟合图 (lmplot) → 自动加回归线
- Pairplot → 多变量关系总览

快速入门¶

# 在 Python 中导入

import seaborn as sns
import matplotlib.pyplot as plt

散点图对比¶

Pandas 散点图

df.plot(kind="scatter", x="Listening", y="Speaking")

Seaborn 散点图（带分组和更美观样式）

sns.scatterplot(x="Listening", y="Speaking", hue="Gender", data=df)
plt.title("Listening vs Speaking Scores")
plt.show()

进行快速演示时，用 Pandas 自带的绘图功能已经足够，但在撰写分析报告或需要更高级的可视化时，Seaborn 会显得更加专业。

美化¶

改变marker¶

把默认的圆点（"o") 换成 “x”，只需要设置 marker="x"，还可以用 marker="^"（三角形）、marker="s"（方块）等。

# 把默认的圆点（"o") 换成 “x”，只需要设置 marker="x"

sns.scatterplot(x="Listening", y="Speaking", hue="Gender", marker="x", data=df)
plt.title("Listening vs Speaking Scores")
plt.show()

Listening vs Speaking 散点图美化¶

import seaborn as sns
import matplotlib.pyplot as plt

sns.set_style("whitegrid")  # 设置背景
sns.scatterplot(
    x="Listening",
    y="Speaking",
    hue="Gender",
    data=df,
    marker="x",   # 改 marker
    s=100,        # 点大小
    alpha=0.6,    # 透明度
    palette="Set2" # 配色方案
)
plt.title("Listening vs Speaking Scores")
plt.xlabel("Listening Score")
plt.ylabel("Speaking Score")
plt.show()

主题与风格¶

sns.set_style("darkgrid")   # 背景带网格
sns.set_context("talk")     # 适合讲座展示
sns.set_palette("Set2")     # 配色方案

Seaborn 全局设置速查表¶

功能	方法	可选参数值	示例	用途说明
背景风格 (style)	`sns.set_style()`	`"white"`（纯白背景）、`"dark"`（深色背景）、`"whitegrid"`（白底带网格）、`"darkgrid"`（暗色带网格）、`"ticks"`（带刻度线）	`sns.set_style("darkgrid")`	控制背景和网格样式，常用 `"whitegrid"` 或 `"darkgrid"`，适合数据展示
展示场景 (context)	`sns.set_context()`	`"paper"`（最小，适合论文）、`"notebook"`（默认，适合日常分析）、`"talk"`（放大字号，适合讲座）、`"poster"`（最大，适合大屏展示）	`sns.set_context("talk")`	调整字体、线条、点的整体缩放比例，根据场景切换展示效果
配色方案 (palette)	`sns.set_palette()`	`"deep"`（默认）、`"muted"`、`"bright"`、`"pastel"`、`"dark"`、`"colorblind"`，以及分类配色（如 `"Set1"`, `"Set2"`, `"Set3"`），或渐变配色（如 `"coolwarm"`, `"Blues"`, `"viridis"`）	`sns.set_palette("Set2")`	控制颜色风格，分组绘图时效果明显，能提升可读性和美观度

不同风格¶

output-style

不同场景¶

output-context

不同配色¶

output-palette

绘图美化速查表¶

功能	参数/方法	示例	效果说明
点的形状 (marker)	marker	marker="x"	点形状："o" 圆点 (默认)，"x" 叉号，"s" 方块，"^" 三角形
点的大小 (size)	s	s=100	控制点的大小
透明度 (alpha)	alpha	alpha=0.6	让点更透明，避免重叠过密
颜色 (color)	color	color="red"	所有点统一颜色
调色板 (palette)	palette	palette="Set2"	分组配色，可选 "deep", "Set1", "coolwarm" 等
背景风格 (style)	sns.set_style()	sns.set_style("whitegrid")	可选 "white", "dark", "whitegrid", "darkgrid"
展示场景 (context)	sns.set_context()	sns.set_context("talk")	缩放字体/线宽/点大小；可选 "paper" < "notebook"(默认) < "talk" < "poster"
趋势线	sns.lmplot() / sns.regplot()	sns.lmplot(x="X", y="Y", data=df)	自动加回归线，便于看趋势
标题 (title)	plt.title()	plt.title("Listening vs Speaking")	添加图表标题
轴标签 (xlabel, ylabel)	plt.xlabel(), plt.ylabel()	plt.xlabel("Listening")	设置横纵坐标说明

使用 Seaborn 自带数据集进行探索¶

Seaborn 附带了一些常见的数据集，可以帮助我们快速学习可视化方法，而不必自己准备数据。

查看 Seaborn 自带数据集¶

import seaborn as sns

# 列出所有内置数据集名称
print(sns.get_dataset_names())

加载数据集¶

# 加载“小费”数据集
tips = sns.load_dataset("tips")
tips.head()

基本探索¶

# 查看数据基本信息
tips.info()

# 描述性统计
tips.describe()

# 散点图：账单与小费关系
sns.scatterplot(x="total_bill", y="tip", data=tips)

# 箱线图：不同性别的小费差异
sns.boxplot(x="sex", y="tip", data=tips)

# 小提琴图：不同日期的小费分布
sns.violinplot(x="day", y="tip", data=tips)

# 热力图：变量之间的相关性
corr = tips.corr(numeric_only=True)   # 计算相关性矩阵
sns.heatmap(corr, annot=True, cmap="coolwarm")
plt.show()